文献

J-GLOBAL ID：202202216063089225   整理番号：22A0788932

顔アンチスポーフィングのための2段階特徴学習による非もつれ表現【JST・京大機械翻訳】

Disentangled Representation with Dual-stage Feature Learning for Face Anti-spoofing

著者 (3件)： Wang Yu-Chun (National Tsing Hua University) ,  Wang Chien-Yi (Microsoft AI R&D Center,Taiwan) ,  Lai Shang-Hong (National Tsing Hua University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： WACV  ページ： 1234-1243  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 顔認識は多様なセキュリティクリティカルアプリケーションで広く使われるので,顔アンチスポーフィング(FAS)の研究はますます多くの注目を集めている。テストデータの攻撃タイプが訓練データに含まれているならば,いくつかのFAS方法は有望な性能を達成し,一方,性能は,非意味攻撃タイプのために著しく劣化する。より一般化された識別的な特徴の学習は,事前定義のスプーフ攻撃タイプへの過剰適合を防ぐのに不可欠である。本論文では,無関係なものからスプーフ関連特徴を効率的にもつれることができる,新しい2段階分割表現学習法を提案した。1段階アーキテクチャを用いて,非類似以前のFAS解きほぐり作業は,二重ステージ訓練設計が訓練安定性を改善し,そして,効果的に,非意味攻撃タイプを検出するために,特徴を符号化できることを見出した。著者らの実験は,提案方法がいくつかの交差型FASベンチマークに関して最先端の方法より良い精度を提供することを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  応用プログラム ,  ベンチマーク ,  計算機アーキテクチャ ,  セキュリティ ,  サイバー攻撃
準シソーラス用語： 訓練データ ,  試験データ ,  顔貌認識 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 顔 ,  段階 ,  学習 ,  表現